top of page

జర్నల్స్ మరియు పేటెంట్లు

ప్రాజెక్ట్ 01
నడక విశ్లేషణ మరియు 3D కన్వల్యూషనల్ నెట్‌వర్క్  ఉపయోగించి మానవ గుర్తింపుపర్యవేక్షణలోడా.పి.సుప్రజ.
 
ఈ ప్రాజెక్ట్ మానవ recognition వారి నడక i.e. వారి నడక లక్షణాలను విశ్లేషించడం ద్వారా నడక శైలి. ఇందులో ఆబ్జెక్ట్ డిటెక్షన్, సిల్హౌట్ ఎక్స్‌ట్రాక్షన్, స్కెలిటోనైజేషన్, 3D CNN, రికగ్నిషన్ ఉన్నాయి.
11 విభిన్న కోణాల నుండి 181 ఆబ్జెక్ట్‌ల యొక్క 18000 వీడియోలను ముందుగా ప్రాసెస్ చేయడానికి ఒక రోజు పట్టింది మరియు అతని/ఆమె gait_cc781905-1481905-1481905-1481905-5c81905-5c81905-5c81905-5c5bdbaature-5c5bdbaature
పరిశోధనా పత్రము:దరఖాస్తు చేసుకున్నారు.
పేటెంట్: లో ప్రచురించబడిందిIPindia  01/2020,1, పేజీ- 208
ప్రాజెక్ట్ 02
వీడియో క్యాప్షనింగ్ ఉపయోగించి ఎన్‌కోడర్ మరియు డీకోడర్ మాడ్యూల్ పర్యవేక్షణలో డా.పి.సుప్రజ

Iఈ ప్రాజెక్ట్‌లో, ఫ్రేమ్‌లలో ఉన్న ఫీచర్‌ల ఆధారంగా పై శీర్షికను రూపొందించడానికి న్యూరల్ నెట్‌వర్క్‌కు శిక్షణనిచ్చేందుకు మేము LSTMతో 3D CNNని ఉపయోగించాము. మేము మా న్యూరల్ నెట్‌వర్క్‌పై శిక్షణ పొందిన క్యాప్షన్‌ల శానిటైజేషన్ కోసం వర్డ్ ఎంబెడ్డింగ్ మరియు వెక్టరైజేషన్.

ఐదు రోజుల నిరంతర శిక్షణ తర్వాత మేము వీడియో ఫ్రేమ్‌లకు సంబంధించిన 92% శీర్షికలను పొందాము.

పేటెంట్: లో ప్రచురించబడిందిIPindia  51/2019,1, Pg- 61314

ప్రాజెక్ట్ 03
మెరుగైన మానవ నడక అంచనా పర్యవేక్షణలోడా.పి.సుప్రజ

Iమానవుని నడక తీరును విశ్లేషించడం ద్వారా వారి నడక లక్షణాల ద్వారా గుర్తించడానికి మేము 2D CNNని ఉపయోగించాము.

 

పరిశోధనా పత్రము: జర్నల్ ఆఫ్ ఫిజిక్స్ అండ్ నానోటెక్నాలజీలో అంగీకరించబడింది.

ప్రాజెక్ట్ 04
మోడల్ మూల్యాంకనం(అధ్యాయం) లోస్క్రైనర్ పబ్లిషింగ్

ఇది ఫండమెంటల్స్ అండ్ మెథడ్స్ ఆఫ్ మెషిన్ అండ్ డీప్ లెర్నింగ్ పుస్తకంలో ప్రచురించబడిన అధ్యాయం: అల్గారిథమ్స్, టూల్స్ మరియు అప్లికేషన్స్. ఈ అధ్యాయంలో, కంప్యూటర్ విజన్, ఎన్‌ఎల్‌పి, రిగ్రెషన్, వర్గీకరణ వంటి వివిధ రకాల మోడల్‌లను మనం ఎలా అంచనా వేయవచ్చో వివరించాను. మరియు వివిధ ఇతర రకాల మోడల్. ఈ అధ్యాయం శిక్షణ పొందిన నమూనాను అంచనా వేయడానికి సైద్ధాంతిక మరియు గణిత దశలను చర్చిస్తుంది.

 

అధ్యాయం లింక్:లింక్

DOI(పుస్తకం) : 10.1002/9781119821908

DOI(అధ్యాయం): 10.1002/9781119821908.ch3

ప్రాజెక్ట్ 05
2D ఛానెల్-ఆధారిత కన్వల్యూషనల్ న్యూరల్ నెట్‌వర్క్‌ని ఉపయోగించి ఛానెల్-ఆధారిత సారూప్యత అభ్యాసం

పరిశోధన పత్రం స్ప్రింగర్‌లో ప్రచురించబడిన 2D ఛానల్-ఆధారిత కన్వల్యూషనల్ న్యూరల్ నెట్‌వర్క్‌ని ఉపయోగించి ఛానెల్-ఆధారిత సారూప్యత అభ్యాసం - మెడికల్ డేటాపై ఆర్టిఫిషియల్ ఇంటెలిజెన్స్, లెక్చర్ నోట్స్ ఇన్ కంప్యూటేషనల్ విజన్ మరియు బయోమెకానిక్స్ book సిరీస్ (LNCVB, వాల్యూమ్ 37)

పరిశోధనా పత్రము :లింక్

ప్రాజెక్ట్ 05
Conceptualizing a Channel-based overlapping CNN tower architechture for COVID-19 identification from CT-scan Images 

A Research Paper named Conceptualizing a Channel-based Overlapping CNN tower architecture for COVID-19 Identification from CT-scan Images  published in Scientific Reports.

Research Paper: Link

DOI: 10.1038/s41598-022-21700-8

ప్రాజెక్ట్ 05
Futuristic Trends in Artificial Intelligence

Edited Book named Futuristic Trends in Artificial Intelligence  published in  Iterative International Publishers (IIP), Selfypage Developers Pvt Ltd with  ISBN: 978-93-95632-81-2

Book  : Link

ప్రాజెక్ట్ 05
Explainable  AI (EXAI) for Sustainable Development: Trends and Applications

Edited Book named as Explainable  AI (EXAI) for Sustainable Development: Trends and Applications will be published  in  CRC Press Taylor & Francis Group.

Book: Link

ISBN: 9781032598864

ప్రాజెక్ట్ 05
Futuristic Trends in IOT

Edited Book named as Futuristic Trends in IOT published in  Iterative International Publishers (IIP), Selfypage Developers Pvt Ltd 

Reviewer ID: IIPER1655553093

ప్రాజెక్ట్ 05
Privacy Preservation and Secured Data Storage in Cloud Computing

Edited Book named Privacy Preservation and Secured Data Storage in Cloud Computing published in IGI Global Publisher

Book: Link

ISBN:  9798369305935

DOI: 10.4018/979-8-3693-0593-5

ప్రాజెక్ట్ 05
3D convolution neural network-based person identification using gait cycles

Human identification plays a prominent role in terms of security. In modern times security is becoming the key term for an individual or a country, especially for countries that are facing internal or external threats. Gait analysis is interpreted as the systematic study of the locomotive in humans.The steps involve object detection, background subtraction, silhouette extraction, skeletonization, and training 3D Convolution Neural Network (3D-CNN) on these gait features.

Research Paper : Link

DOI: 10.1007/s12530-021-09397-y

ప్రాజెక్ట్ 05
Comparative Study on Forecasting of Schedule Generation in Delhi Region for the Resilient Power Grid Using Machine Learning

In this proposed work, the focus is on Short-Term Load Forecasting (STLF) in the Delhi metropolis for the upcoming twelve months of 2020. The transformation of the conventional electrical grid into a more adaptable and interactive system due to the increasing use of Renewable Energy Resources (RES) has made accurate load prediction crucial for smart grid operation, including planning, scheduling, management, and electricity trading.

Research Paper: Link

DOI: 10.1109/TIA.2023.3316646

ప్రాజెక్ట్ 05
Libraries for Explainable Artificial Intelligence (EXAI): Python (Chapter) in Explainable AI (XAI) for Sustainable DevelopmentTrends and Applications

This is a chapter published in the book Explainable AI (XAI) for Sustainable Development Trends and Applications. In this chapter, I have explained how we can use different libraries to explain the output of the Artificial Intelligence model to the end user to increase the trustworthiness of the AI model.  by implementing Explainable Artificial Intelligence (XAI). This chapter discusses theoretical as well as mathematical steps to evaluate the trained model.

Book Link : Link

Book ISBN : 9781032598864

ప్రాజెక్ట్ 05
Cloud-Based Quad Deep Ensemble Framework for the Detection of COVID-19 Omicron and Delta Variants

We have developed a unique ensemble model for detecting COVID-19 Omicron and Delta variants from lung CT-scan images. The ensemble model combines the Capsule Network (CapsNet) with pre-trained architectures including VGG-16, DenseNet-121, and Inception-v3. This approach aims to enhance reliability and robustness in diagnosing the variants.

Research Paper: Link

DOI: 10.3390/diagnostics13223419

ప్రాజెక్ట్ 05
Hate Speech Detection Using LSTM (Chapter) in Computational Intelligence Methods for Sentiment Analysis in Natural Language Processing

This is a chapter published in the book Computational Intelligence Methods for Sentiment Analysis in Natural Language Processing. In this chapter, I have explained how we can use LSTM to detect hate speech and explain the model output to the user by implementing Explainable Artificial Intelligence (XAI). This chapter discusses theoretical as well as mathematical steps to evaluate the trained model.

Book Link : Link

bottom of page